# ทำ volcano plot จากผลการวิเคราะห์การแสดงออกที่แตกต่าง

> อัปโหลดตารางผลจาก DESeq2, edgeR, limma หรือ Cuffdiff แล้ว Yila จะตรวจว่า fold change ชี้ไปทางใด ใช้ค่าเกณฑ์ของคุณ แยกสีและติดป้ายชื่อยีนที่สำคัญ และบันทึกจำนวนยีนพร้อมสคริปต์

URL: https://yila.ai/th/playbooks/volcano-plot

## สิ่งที่คุณจะได้รับ

- **แผนภาพ volcano plot** (PNG + SVG): ค่า fold change เทียบกับ −log10 ของค่า p ที่ปรับแก้แล้ว พร้อมเส้นค่าเกณฑ์ แยกสียีนที่เพิ่มขึ้นและลดลง ติดป้ายชื่อยีนที่มีนัยสำคัญมากที่สุด และแสดงจำนวนยีนในคำอธิบายสัญลักษณ์
- **ยีนที่ติดป้ายชื่อ** (CSV): ยีนที่มีชื่ออยู่บนกราฟ พร้อมค่า fold change ค่า p และค่า q สำหรับใช้เขียนคำอธิบายรูป
- **จำนวนยีน** (CSV): จำนวนยีนที่ทดสอบ ที่เพิ่มขึ้น ที่ลดลง และที่ถูกตัดออก ตัวเลขในเนื้อความจึงตรงกับรูป
- **สคริปต์** (สคริปต์ Python): โค้ดวาดกราฟทั้งหมดเป็นภาษา Python (หรือ R หากต้องการ) การเปลี่ยนค่าเกณฑ์หรือคู่เปรียบเทียบจึงแก้เพียงบรรทัดเดียว

## ขั้นตอนการทำงาน

1. **อัปโหลดผลและระบุคู่เปรียบเทียบ**: ส่งตารางจากเครื่องมือวิเคราะห์การแสดงออกที่แตกต่างให้ Yila แล้วบอกว่าเปรียบเทียบกลุ่มใดกับกลุ่มใด ผลลัพธ์ดิบจาก DESeq2, edgeR, limma หรือ Cuffdiff ใช้ได้ทันทีโดยไม่ต้องแก้
2. **Yila ตรวจทิศทางและค่าพิเศษ**: Yila ดูว่าเครื่องมือใช้กลุ่มใดเป็นกลุ่มอ้างอิง และกลับเครื่องหมายหากจำเป็น เพื่อให้คำว่าเพิ่มขึ้นหมายถึงเพิ่มขึ้นจริง ก่อนวาดกราฟยังหาค่า fold change ที่เป็นอนันต์และค่า p ที่อยู่ที่ค่าต่ำสุดของเครื่องมือด้วย
3. **รับกราฟ ตาราง และสคริปต์**: Yila สร้างภาพกราฟ ตรวจว่าป้ายชื่อไม่ซ้อนกัน แล้วบันทึกพร้อมตารางยีนและสคริปต์ หากต้องการค่าเกณฑ์อื่น ติดป้ายตามรายชื่อยีนของคุณเอง หรือใช้ชุดสีตามวารสาร ขอได้ในบทสนทนาเดียวกัน

## เหมาะสำหรับ

- **รูปผล RNA-Seq**: รูปภาพรวมที่บทความด้านทรานสคริปโตมิกส์ส่วนใหญ่ใช้เปิดส่วนผลการวิจัย
- **โปรตีโอมิกส์และเมแทบอโลมิกส์**: ตารางใดก็ตามที่มีขนาดอิทธิพลและค่า p ที่ปรับแก้แล้วของแต่ละรายการที่วัด ก็ใช้ได้ในแบบเดียวกัน
- **ตรวจชุดข้อมูลสาธารณะ**: วาดกราฟจากตารางผลใน GEO เพื่อดูว่ายีนที่ตีพิมพ์ไว้โดดเด่นจริงหรือไม่ ก่อนนำไปใช้

## คำถามที่พบบ่อย

### Volcano plot คืออะไร

แผนภาพการกระจายที่แสดง fold change ของทุกยีน (แกน x) เทียบกับนัยสำคัญของการเปลี่ยนแปลงนั้นในรูป −log10 ของค่า p หรือค่า q (แกน y) ยีนที่เปลี่ยนแปลงมากและเชื่อถือได้จะไปอยู่ที่มุมบนทั้งสองด้าน ซึ่งเป็นสิ่งที่กราฟนี้ต้องการแสดง

### ทำไมทิศทางของ fold change จึงสำคัญ

เครื่องมือแต่ละตัวคำนวณ fold change เทียบกับกลุ่มอ้างอิง และกลุ่มอ้างอิงนั้นไม่ได้เป็นกลุ่มที่คุณคาดไว้เสมอไป เช่น Cuffdiff รายงานค่าของ sample 2 หารด้วย sample 1 ในตัวอย่างบนหน้านี้ ตารางคำนวณเป็นกลุ่มที่ไม่ได้รับสารหารด้วยกลุ่มที่ได้รับ dexamethasone หากวาดตามนั้นโดยตรง ยีนทุกตัวที่ถูกเหนี่ยวนำจะดูเหมือนถูกยับยั้ง Yila ตรวจเรื่องนี้และบอกว่าได้ทำอะไรไป

### ควรใช้ค่าเกณฑ์เท่าไร

ค่าที่นิยมคือ |log2 fold change| ≥ 1 (เปลี่ยนแปลงสองเท่า) ร่วมกับค่า p ที่ปรับแก้แล้วต่ำกว่า 0.05 ซึ่งเป็นค่าที่ใช้ในตัวอย่างนี้ สาขาของคุณอาจนิยมค่าอื่น ระบุไว้ในคำขอได้

### ยีนที่ fold change เป็นอนันต์หรือ p = 0 จะถูกจัดการอย่างไร

ค่า fold change ที่เป็นอนันต์มาจากยีนที่ตรวจไม่พบในกลุ่มใดกลุ่มหนึ่ง ยีนเหล่านี้จะถูกตัดออกจากกราฟและนับจำนวนไว้ แทนที่จะกองอยู่ที่ขอบแกน ส่วนค่า p ที่อยู่ที่ค่าต่ำสุดของซอฟต์แวร์จะวาดไว้ที่ค่าต่ำสุดนั้นและระบุไว้ชัดเจน

### เลือกยีนที่จะติดป้ายชื่อเองได้ไหม

ได้ ค่าเริ่มต้นจะติดป้ายยีนที่มีนัยสำคัญมากที่สุด คุณให้รายชื่อยีนที่สนใจได้ หรือขอให้ติดป้ายยีนอันดับต้นตามขนาดของ fold change แทน

### ใช้ R หรือ Python

ใช้ได้ทั้งสองภาษา ตัวอย่างนี้ใช้ Python กับ matplotlib ส่วนใน R นั้น Yila ใช้ ggplot2 ร่วมกับ ggrepel หรือใช้ EnhancedVolcano

### ข้อมูลในตัวอย่างมาจากไหน

มาจากชุดข้อมูลสาธารณะ GSE52778 ใน GEO ซึ่งเป็นข้อมูล RNA-Seq ของงานวิจัย Himes และคณะ (PLOS ONE, 2014) ทั้งนี้ Yila ไม่เคยนำข้อมูลของผู้ใช้มาใช้เป็นตัวอย่าง

---

- [ทำ volcano plot จากผลการวิเคราะห์การแสดงออกที่แตกต่าง](https://yila.ai/th/playbooks/volcano-plot)
- [llms.txt](https://yila.ai/th/llms.txt)
